vLLMvLLM 社区（原 UC Berkeley）
生产环境部署 LLM 的默认答案：PagedAttention 把 KV cache 碎片化问题解决掉，吞吐比朴素实现高一个量级。
推理框架 / 服务引擎PagedAttention张量并行FP8/AWQ/GPTQOpenAI 兼容 API多模态
GLM-4.7-Flash
模型简介
GLM-4.7 代的低延迟版本，牺牲一点深度换吞吐，适合当常驻 agent 的执行模型。
- 参数量
- 31.2B
- 上下文
- 200K
- 所属
- GLM
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2026-01-19
- 收录
- 2026-10-03